Prática Avançada de Data Science e Visualization
Sobre mim
Meu nome é Julio. Eu gosto de MasterChef
Sobre mim
Eu não gosto de
- Captchas
- tretas R vs python
Prêmios
- As melhores resoluções receberão stickers. A quantidade de stickers depende da dificuldade do exercício.
Vamos lá!
Exercício 01 🍪
Usar a coluna
typesEstudar a função
theme()As
geom_label()ficam na metade da altura da barra.
#' Author:
#' Subject:
# Import -----------------------------------------------------------------------
# readr::write_rds(d, "")
library(ggplot2)
# grafico 1 ---------------------------------------------------------------
items |>
dplyr::count(types) |>
dplyr::mutate(types = forcats::fct_reorder(types, n)) |>
dplyr::filter(n > 100) |>
dplyr::mutate(n = n/1000) |>
ggplot(aes(x = n, y = types)) +
geom_col(fill = "#8ae3d7", width = .5) +
geom_label(aes(label = round(n, 2), x = n/2)) +
theme_dark(16) +
labs(
x = "Quantidade\n(milhares)",
y = "Forma de pagamento",
title = "Formas de pagamento mais comuns",
subtitle = "Considerando tipos com mais de 100 observações",
caption = "Fonte: Olist"
) +
theme(
panel.background = element_rect(fill = "gray20"),
plot.background = element_rect(fill = "gray10"),
text = element_text(family = "serif", colour = "white"),
axis.text = element_text(family = "serif", colour = "white"),
panel.grid.minor = element_blank()
)
# grafico 2 ---------------------------------------------------------------
items |>
dplyr::mutate(
data = as.Date(order_purchase_timestamp),
data = lubridate::floor_date(data, "month"),
estado = forcats::fct_other(
seller_state,
keep = c("SP", "RJ"),
other_level = "Outros"
)
) |>
dplyr::filter(
data >= "2017-01-01",
data <= "2018-07-01"
) |>
dplyr::count(data, estado) |>
ggplot() +
aes(x = data, y = n, colour = estado) +
geom_line(size = 2) +
scale_color_viridis_d(begin = .2, end = .8) +
labs(
x = "Data",
y = "Quantidade",
title = "São Paulo tem mais vendas",
subtitle = "O que é esperado, pois a população é maior 😬",
caption = "Fonte: Olist",
color = "Estado"
) +
scale_x_date(
date_breaks = "3 month",
date_labels = "%b\n%Y"
) +
theme_light(15) +
theme(
legend.position = "bottom"
)
# grafico 04 --------------------------------------------------------------
estados <- geobr::read_state()
set.seed(42)
items |>
dplyr::count(
seller_state,
geolocation_lat_seller,
geolocation_lng_seller,
geolocation_lat_customer,
geolocation_lng_customer
) |>
dplyr::filter(seller_state %in% c("SP", "MG", "RJ")) |>
dplyr::slice_sample(n = 1000) |>
ggplot() +
geom_sf(data = estados, fill = "gray95", size = .1) +
geom_curve(
mapping = aes(
x = geolocation_lng_seller,
y = geolocation_lat_seller,
xend = geolocation_lng_customer,
yend = geolocation_lat_customer
),
arrow = arrow(length = unit(0.1, "inches")),
curvature = .2,
alpha = .2,
colour = "royalblue"
) +
facet_wrap(~seller_state, strip.position = "bottom") +
theme_void(base_size = 16) +
labs(
title = "Para onde vão as compras?",
subtitle = "Comparando São Paulo, Minas Gerais e Rio de Janeiro",
caption = "Fonte: Olist"
) Exercício 02 🍪🍪
Usar
scale_x_date()Estudar
scale_color_viridis_d()lubridate::floor_date()para aproximar datascase_when()oufct_other()para reclassificar uma variável categóricafiltrar a base para o intervalo de datas entre “2017-01-01” e “2018-07-01”
devemos contar/agrupar por
data(mês) eestado
items |>
dplyr::mutate(
data = as.Date(order_purchase_timestamp),
data = lubridate::floor_date(data, "month"),
estado = forcats::fct_other(
seller_state,
keep = c("SP", "RJ"),
other_level = "Outros"
)
) |>
dplyr::filter(
data >= "2017-01-01",
data <= "2018-07-01"
) |>
dplyr::count(data, estado) |>
ggplot() +
aes(x = data, y = n, colour = estado) +
geom_line(size = 2) +
scale_color_viridis_d(begin = .2, end = .8) +
labs(
x = "Data",
y = "Quantidade",
title = "São Paulo tem mais vendas",
subtitle = "O que é esperado, pois a população é maior 😬",
caption = "Fonte: Olist",
color = "Estado"
) +
scale_x_date(
date_breaks = "3 month",
date_labels = "%b\n%Y"
) +
theme_light(15) +
theme(
legend.position = "bottom"
)Exercício 03 🍪🍪🍪
Usar o pacote
{ggridges}.Para pintar apenas uma categoria, crie uma coluna.
Para anotações no gráfico (como “Mediana”), use a função
annotate().Para fazer os reais, use a função
scales::scales_dollar_format().
items_agg <- items |>
group_by(product_category_name) |>
filter(n() > 4000) |>
ungroup() |>
mutate(
product_category_name = fct_reorder(
product_category_name, price, median
),
relogios = ifelse(
product_category_name == "relogios_presentes",
"destacar", "não destacar"
)
)
mediana <- items_agg |>
summarise(mediana = median(price))
items_agg |>
ggplot() +
aes(x = price, y = product_category_name, fill = relogios) +
ggridges::geom_density_ridges(
quantile_lines = TRUE,
quantiles = 2,
na.rm = FALSE,
n = 2048,
show.legend = FALSE
) +
scale_x_continuous(
limits = c(0, NA),
labels = scales::dollar_format(prefix = "R$")
) +
coord_cartesian(xlim = c(0, 300)) +
geom_vline(
aes(xintercept = mediana),
data = mediana,
linetype = 2,
colour = "red"
) +
scale_fill_manual(
values = c("#6686e6", "#eaeaea")
) +
theme_minimal()Exercício 04 🍪🍪🍪🍪
Faça uma amostra de 1000 observações dos dados, com
set.seed(42)Para obter o mapa, usar o pacote
{geobr}Para plotar o mapa, usar a função
geom_sf()Estamos desenhando CURVAS
Use facets
estados <- geobr::read_state()
set.seed(42)
items |>
dplyr::count(
seller_state,
geolocation_lat_seller,
geolocation_lng_seller,
geolocation_lat_customer,
geolocation_lng_customer
) |>
dplyr::filter(seller_state %in% c("SP", "MG", "RJ")) |>
dplyr::slice_sample(n = 1000) |>
ggplot() +
geom_sf(data = estados, fill = "gray95", size = .1) +
geom_curve(
mapping = aes(
x = geolocation_lng_seller,
y = geolocation_lat_seller,
xend = geolocation_lng_customer,
yend = geolocation_lat_customer
),
arrow = arrow(length = unit(0.1, "inches")),
curvature = .2,
alpha = .2,
colour = "royalblue"
) +
facet_wrap(~seller_state, strip.position = "bottom") +
theme_void(base_size = 16) +
labs(
title = "Para onde vão as compras?",
subtitle = "Comparando São Paulo, Minas Gerais e Rio de Janeiro",
caption = "Fonte: Olist"
) 